pytorch 交叉熵计算中的数组操作

这段代码计算交差熵的代码分析：
def cross_entropy(y_hat, y):
    return -torch.log(y_hat[list(range(len(y_hat))), y]).mean()
cross_entropy(y_hat, y)

分类操作利用one-hot编码，如一个正确的分类P用[0,0,1]等方式表示，预测该利率用Q表示[0.2，0.4，0.4]，那么，

PlogQ = 0*log0.2+0*log0.4+1*log0.4 表示。

-torch.log(y_hat[list(range(len(y_hat))), y]).mean()中的参数部分可认为是利用上面方式查找非零对应的项，如：

y = torch.tensor([0, 2])
y_hat = torch.tensor([[0.1, 0.3, 0.6], [0.3, 0.2, 0.5]])
y_hat[[0, 1], y] 

-> y_hat[[0, 1], [0,2]] 
输出：tensor([0.1000, 0.5000])

y_hat[[0, 1], y],前面[0，1]可理解为在y_hat[0]和y_hat[1]中的数据，[0，2]分别对应前面两个张量中对应的编号。

#0.1是y_hat[0]在[0.1,0.3,0.6]里第y[0] 0.5是y_hat[1]在[0.3,0.,0.5]里第y[2]